字节跳动大模型算法工程师（商业化智能销售）-中国商业产品与技术
任职要求
1、机器学习、人工智能、数理统计等相关专业背景； 2、熟悉大模型的相关基础知识，具备大语言模型相关训练或推理的基础知识； 3、熟悉LLM的训练或Fine-tuning的方法，例如SFT/RLHF经验，或熟悉强化学习（RL）概念，深入了解PPO相关算法知识； 4、优秀的代码工程能力、数据结构和基础算法功底，熟练掌握Golang或Python编程语言； 5、有激情、不畏难、乐于挑战、快速尝试，乐于了解业务知识，具有良好的团队合作意识、理解沟通能力以及独立解决问题的能力。
工作职责
1、自助服务技术团队，致力于打造业界领先的广告业务（TOB）智能销售，从经营到投广全方位服务广告主的成长，也要预期为平台带来更多收入； 2、相比一般的智能客服机器人，除了回答问题之外，智能销售还要理解客户深层需求、诊断客户问题，在不同渠道、触点位置进行主动服务，提供合适的广告产品或投广建议； 3、主要工作内容： 1）调研并应用前沿的大规模模型高效训练/推理方案、包括不限于极致优化PE、SFT、RM、RLHF； 2）从事强化学习与大语言模型智能体（LLM-based Agent）相结合的交叉研究与应用落地。
1、自助服务技术团队，致力于打造业界领先的广告业务（ToB）智能销售，从经营到投广全方位服务广告主的成长，也要预期为平台带来更多收入； 2、相比一般的智能客服机器人，除了回答问题之外，智能销售还要理解客户深层需求、诊断客户问题，在不同渠道、触点位置进行主动服务，提供合适的广告产品或投广建议； 3、主要工作内容：探索销售业务形态，带领团队深度参与智能销售的完整系统建设与优化，包括但不限于模型训练、推理、Agent系统工程建设等等。
1、自助服务技术团队，致力于打造业界领先的广告业务（ToB）智能销售，从经营到投广全方位服务广告主的成长，也要预期为平台带来更多收入； 2、相比一般的智能客服机器人，除了回答问题之外，智能销售还要理解客户深层需求、诊断客户问题，在不同渠道、触点位置进行主动服务，提供合适的广告产品或投广建议； 3、主要工作内容：探索销售业务形态，带领团队深度参与智能销售的完整系统建设与优化，包括但不限于模型训练、推理、Agent系统工程建设等。
团队介绍：1、业务方向：自助业务希望建成中小商家的业务中台，电商广告、生服广告、Dou+等多条业务线，一站式解决商家问题，助力商家成长，提升商家数字化经营能力；2、技术亮点：自助技术分为智能销售、客户增长、营销活动几个方向客户增长方向主要利用Uplift建模、因果推断、运筹优化算法、推荐算法等，通过对客户初期的行为习惯进行挖掘，探索更优的发券、选品、选素材等相关策略，提升拉新指标智能销售方向主要通过LLM-Agent的形式，利用sft、rl等算法优化广告领域的服务能力，提升对中小客户的教育、辅导、服务等能力，进而提升长期客户消耗营销活动方向主要服务商业化运营团队，辅助运营完成营销活动的创建与推广。 课题背景： 为了长期优化广告客户生态以及收入增长，商业化需要更大规模的做好客户拉新和客户在投放成长初期的留存，那么如何精准定位目标人群、如何更有效的利用激励手段促进客户增长、如何优化当前客户动作和投放手段，就是一个必须要长期优化的方向。 现在的增长方向主要靠传统机器学习的手段来决策激励的发放，但效果提升已经遇到瓶颈，需要探索基于RL的因果推断技术。另一方面，客户成长初期目前无法获得足够的服务与帮助，结合上广告投放本身有较高学习门槛，所以现在亟需依赖LLM技术，实现智能销售的愿景——包括智能客服、智能销售、智能投手三个阶段，最终达到全智能化的托管式服务。 课题挑战： 相比抖音C端流量数据，广告客户数据相对波动较大，观测周期长，有更多的不确定性；大语言模型在广告领域的能力依然不足，具体表现在领域知识理解不足，大量专业工具（百量级）的使用效率不高，业务回复的可解释性不够强。为了达到人工销售的水平，需要探索RL、探索reward system、探索deep research的实现、探索业务向Benchmark的范式等等；相比传统客服的问答式工作，还需要探索LLM在主动服务方向的开放命题。
团队介绍：1、业务方向：自助业务希望建成中小商家的业务中台，电商广告、生服广告、Dou+等多条业务线，一站式解决商家问题，助力商家成长，提升商家数字化经营能力； 2、技术亮点：自助技术分为智能销售、客户增长、营销活动几个方向； 客户增长方向主要利用Uplift建模、因果推断、运筹优化算法、推荐算法等，通过对客户初期的行为习惯进行挖掘，探索更优的发券、选品、选素材等相关策略，提升拉新指标； 智能销售方向主要通过LLM-Agent的形式，利用sft、rl等算法优化广告领域的服务能力，提升对中小客户的教育、辅导、服务等能力，进而提升长期客户消耗； 营销活动方向主要服务商业化运营团队，辅助运营完成营销活动的创建与推广。 课题背景： 为了长期优化广告客户生态以及收入增长，商业化需要更大规模的做好客户拉新和客户在投放成长初期的留存，那么如何精准定位目标人群、如何更有效的利用激励手段促进客户增长、如何优化当前客户动作和投放手段，就是一个必须要长期优化的方向。 现在的增长方向主要靠传统机器学习的手段来决策激励的发放，但效果提升已经遇到瓶颈，需要探索基于RL的因果推断技术。另一方面，客户成长初期目前无法获得足够的服务与帮助，结合上广告投放本身有较高学习门槛，所以现在亟需依赖LLM技术，实现智能销售的愿景——包括智能客服、智能销售、智能投手三个阶段，最终达到全智能化的托管式服务。 课题挑战： 相比抖音C端流量数据，广告客户数据相对波动较大，观测周期长，有更多的不确定性； 大语言模型在广告领域的能力依然不足，具体表现在领域知识理解不足，大量专业工具（百量级）的使用效率不高，业务回复的可解释性不够强。为了达到人工销售的水平，需要探索RL、探索reward system、探索deep research的实现、探索业务向Benchmark的范式等等； 相比传统客服的问答式工作，还需要探索LLM在主动服务方向的开放命题。